1) nearest neighbor density estimator
最近邻密度估计
1.
This paper disscuses the consistency of nearest neighbor density estimator for negative associated samples.
在NA样本下研究最近邻密度估计的相合性,给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件,同时研究了失效率函数估计的一致强相合性。
2) kNN density estimation
k近邻密度估计
3) nearest neighbor estimator
最近邻估计
1.
he asymptotic property of nearest neighbor estimator for the regression function is considered.
讨论了回归函数的最近邻估计的渐适性质。
4) nearest neighbor estimation
最近邻估计
1.
In this paper, we study the consistency and convergence rate of the nearest neighbor estimation of f(x) based on the residuals.
本文首先讨论了基于残差的f(x)的最近邻估计的相合性及收敛速度,然后把结论推广到污染线性模型,讨论了污染系数ε,误差的主体分布及回归系数β的估计的相合性,收敛速度以及(β|^)的渐近正态性。
2.
In this paper, the strong consistency of nearest neighbor estimation m_n(x)) of regression function m(x) with stationary and Φ-mixed sample sequence {(x_n,y_n),n≥1} is studied and applied it in nonparametric test.
在样本序列{(xn,yn),n≥1}为平稳Φ-混合的情况下,研究了回归函数m(x)的最近邻估计mn(x)的强相合性问题,并给出了它在非参数判别中的一个应用。
3.
This paper is mainly concerned with the density function estimation problems under pairwises NQD samples, based on which we got the consistency, asymptotic property as well as the consistency rates and other large sample properties of the nearest neighbor estimation and kernel estimation.
本文主要研究了基于两两NQD样本的密度函数估计问题,得到了两两NQD样本下最近邻估计和核估计的大样本性质,如相合性、渐近正态性及收敛速度等。
5) Nearest neighbors estimate
最近邻估计
1.
Simulation study on consistency of Rosenblatt and Nearest neighbors estimate;
Rosenblatt估计与最近邻估计的模拟比较
6) nearest neighbor estimates
最近邻估计
1.
Considering the nonparametric regression model y_i=g(x_i)+e_i,i≥1,where g(x) is an unknown continuous function to be estimated,x_i s are nonrandom, e_i s are iid errors, we deal with the asymptotic behavior of the nearest neighbor estimates where h~* is chosen by the method of L_1-cross-validation.
在本文中,我们讨论最近邻估计g_(n,h)(x)=1/h∑Y_(R_(i,x)~(n)),其中h利用L_1-cross-validation方法选择,在一定条件下,证明了L_1-cross-validation最近邻估计的强相合性。
补充资料：功率谱密度估计
随机信号的功率谱密度用来描述信号的能量特征随频率的变化关系。功率谱密度简称为功率谱，是自相关函数的傅里叶变换。对功率谱密度的估计又称功率谱估计。平稳随机信号x(t)的（自）功率谱Sxx(ω)定义为
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条